基于用戶分類的配電網(wǎng)負荷預測方法

高嘉豪 全心雨 陳超旻 余少華

（國網(wǎng)浙江海寧市供電有限公司，浙江 嘉興314400）

在電力系統(tǒng)實際運行中，負荷預測的準確性，能為科學合理管理電網(wǎng)奠定了基礎，同時也對電力系統(tǒng)的優(yōu)化組合、調(diào)度以及優(yōu)化電力流與電力市場交易具有重要作用。在現(xiàn)階段市場發(fā)展中，電力市場增加了大量的自用分布式發(fā)電以及移動充電電動汽車，其電力負載變化因素也具有不確定性。

1 負荷的分類和分區(qū)法

1.1 空間負荷的分區(qū)和分類

對于每個分區(qū)，需要根據(jù)負荷特性對具有不同特征的負荷進行分類和預測。根據(jù)分類，其大致分為四大類別：農(nóng)業(yè)用戶、居民用戶、工業(yè)用戶、商業(yè)用戶。類別不同的用戶其負荷的因素不同、變化規(guī)則方面有很大的差異。因此考慮到不同類別負荷之間不同類型，一般情況下，是用模型將分區(qū)內(nèi)各負荷類型之間的關系綜合起來，可以適當?shù)卣{(diào)整和協(xié)調(diào)各種負荷類型的比例，去實現(xiàn)進行負荷預測目標。

1.2 負荷空間區(qū)域劃分

進行電力空間負荷預測時，應考慮到區(qū)域劃分中地理空間信息和電網(wǎng)信息，其主要有用地、道路、變電站、線路等情況，具體結構如圖1 所示。

圖1 電力數(shù)據(jù)GIS 信息劃分

1.3 空間負荷預測方案

空間負荷預測在預測未來的負荷的同時，也適用于負荷增長預測信息。一般情況下，空間負荷預測建模分為四個方案。

（1）預測區(qū)域空間的數(shù)據(jù)信息調(diào)查。在預測的前期階段，主要工作是對相關的空間數(shù)據(jù)信息的調(diào)研，調(diào)研農(nóng)業(yè)用戶、居民用戶、工業(yè)用戶、商業(yè)用戶等用戶的用電信息與電力規(guī)劃情況。

（2）土地利用類型和用電特性分析。土地利用情況的不同及電力用戶用電特性的不同，可以明確區(qū)域負荷分類及特性，同時分析該類型的負荷面積。

（3）計算區(qū)域中的分類負荷密度。對不同類型的負荷分類進行預測中，可以得到不同負載的負荷密度。

（4）計算分區(qū)的總負荷。對分類負荷預測數(shù)據(jù)進行分析，從數(shù)據(jù)中能了解可不同分區(qū)的負荷密度與電力使用情況，并計算了區(qū)域總負荷。在計算分析中，其關鍵步驟是（2）、（3）的預測分析。

2 配電信息負荷預測方法分析

2.1 影響區(qū)域內(nèi)負荷因素分析

有很多不同的變化因素影響電力負荷。功率負荷是一種非平穩(wěn)變化，它有時間段的隨機性與規(guī)律性，在短期空間負荷預測中，本文將重點介紹工作日、法定節(jié)假日、天氣等隨機擾動的特點。圖2 為空間負荷轉(zhuǎn)移類型圖。在節(jié)慶假日時間段，大部分企業(yè)和工廠是休息的，工業(yè)負荷也相應的減少了，因此負荷曲線相較于正常工作日有相當?shù)牟煌＞吞鞖舛灾攸c是溫度，因天氣原因?qū)е驴稍偕植际桨l(fā)電的用戶更改其負荷量。空間負荷的轉(zhuǎn)移表明負荷在一定時間內(nèi)從一級負荷水平突然上升到另一級負荷水平，同時再維持一段時間。傳輸有兩種類型：跨空間傳輸和非跨空間傳輸。

圖2 空間負荷轉(zhuǎn)移類型

2.2 電力規(guī)劃負荷幾種預測方法

2.2.1 組合預測法

目前情況下進行的電力負荷預測具有隨機性和復雜性。不同的預測方法有不同的適用范圍，一種預測方法由于不能滿足不同的電氣設備，不能準確預測，期需要用組合預測法進行，以保證預測的準確性。

2.2.2 回歸分析法

在電力負荷預測工作中，使用回歸分析法進行預測負荷，要根據(jù)歷史數(shù)據(jù)建立相應的計算方法，并利用相應的計算模型對歷史數(shù)據(jù)進行分析。其工作時，還可以利用統(tǒng)計算法對存儲數(shù)據(jù)中存在的變量分析，用得到的數(shù)據(jù)來分析電力負荷預測的變化。

2.2.3 模糊預測法

模糊預測方法主要用于在區(qū)域經(jīng)濟發(fā)展、環(huán)境氣候、地方政策等不確定因素的影響下，對電力負荷進行預測。模糊預測方法是通過以模糊數(shù)學理論為負荷預測基礎，具有處理嚴重主觀因素的數(shù)據(jù)的優(yōu)點。模糊預測的主要方法包括模糊聚類、模糊相似優(yōu)先級比和最大粘貼計劃。

2.2.4 專家預測發(fā)

用大量負荷預測數(shù)據(jù)和相關知識的計算機系統(tǒng)從而構建專家負荷預測系統(tǒng)。一個完善的專家系統(tǒng)主要有以下四個獨立的部分：相應豐富的知識庫、完善的數(shù)據(jù)分析系統(tǒng)、管理系統(tǒng)和知識的存儲與獲取。專家預測發(fā)有負荷預測領域的大量經(jīng)驗知識和方法。它可以模擬專家對經(jīng)驗和知識進行分析，分析多種預測算法和模型，從而減輕相關人員的工作量，使人工操作帶來的誤差降低。

2.3 聚類的負荷類型分析

在進行電力短期負載預測中，一般數(shù)據(jù)來源于SCADA 與AMI 相關數(shù)據(jù)庫。由于RTU 故障、通信信道或傳輸錯誤、數(shù)據(jù)庫問題等原因可能會有錯誤的發(fā)生，錯誤的數(shù)據(jù)信息可以稱為無用數(shù)據(jù)。

一般情況下，需用數(shù)據(jù)挖掘技術對臟數(shù)據(jù)進行識別和清理理論。此外，不同的電力用戶的負荷模型稍有差異，其需依據(jù)自身情況進行建模，用平滑法對Ⅰ型負荷進行預測，如果負荷中含有n 個樣本的數(shù)據(jù)集，則第n+1 個負荷量Pi，n+1 的預測公式為：

上式中：Pi,n-j 為第n-j 個負荷樣本值；αj 為第n-j 個負荷樣本的平滑系數(shù)，其為0～1 以內(nèi)。在分析電力負荷周期性變化特征時，可用平滑系統(tǒng)反映相似日之前影響因素。則αj 取值為：

上式中：kT 系數(shù)是溫度情況；kW 系數(shù)是天氣情況；kD 系數(shù)是日期分類，且kT+kW+kD=1；Tn 為第n 天的溫度情況；Wn 為第n 天的天氣情況；Dn 為第n 天的日期分類等其他影響情況。一般情況下，天氣條件和日期類型難以以數(shù)字方式表示。基于模糊理論的概念，對它們進行量化，并在表1 中顯示值。

表1 負荷的平滑系數(shù)求取中影響因素的量化取值

2.4 分區(qū)負荷的預測模型

通過將區(qū)域各類負荷的負荷密度乘以載重類型的土地利用面積，并乘以同步率進行累積和修改，可以獲得預測時的總負荷即：

上式中：Pn+1 是待預測區(qū)域的預測負荷；I 是區(qū)域內(nèi)內(nèi)負荷用地的類型結合；di 為第i 個類型負荷用地的負荷密度；Si 為第i 類負荷相對應用地面積；ρ 為不同類型負荷的同時修正系數(shù)（即同時率）。

3 典型負荷案例

在進行空間負荷預測方法預測電力負荷時，需驗證負荷數(shù)據(jù)、GIS 數(shù)據(jù)、土地利用規(guī)劃數(shù)據(jù)。此方法用于采集后的數(shù)據(jù)分析。經(jīng)過分析，短期空間負荷預測可以看作是一個多變量非線性回歸問題，它的預測準確性在于歷史負荷、溫度、天氣等負荷因素數(shù)據(jù)。

從圖3 中可以看到，預測曲線與原負荷高度吻合曲線。那個該方法的平均絕對誤差率為1.64%，均方根誤差為0.073%。結果表明，上述的負荷分類方法有很高的準確性，可以滿足電力作業(yè)調(diào)度要求。

表2 區(qū)域各類負荷特性、負荷密度和空間負荷預測情況

圖3 基于指數(shù)外推法的分區(qū)負荷預測與實際負荷比較

基于2017 年6 月的典型工作日，對不同類型的空間負荷預測方法進行比較分析。比較在內(nèi)的傳統(tǒng)細胞預測方法與SLF 預測方法。從表4 中可以看到，應用該本文方法，降低了其平均誤差與最大誤差率，其誤差率降低了50%左右，其基本是應用了分類預測方法，與傳統(tǒng)方法相比，計算量和所需時間顯著增加（所用時間增加了220%）。

表4 不同類型空間負荷預測方法的預測指標對比

4 結論

經(jīng)過上文分析可知，在電力系統(tǒng)中電力負荷預測方法是極其重要的，它對電網(wǎng)的正常運行及規(guī)劃發(fā)展具有重要意義。在以后的電網(wǎng)發(fā)展中，電力負荷預測水平會越來越先進與完善，這會有利于配電網(wǎng)的規(guī)劃設計，能節(jié)約電力企業(yè)的生產(chǎn)成本，使電力系統(tǒng)正常運行，安全實現(xiàn)動力系統(tǒng)的經(jīng)濟效益最大化。